【数学建模国赛】2024年数学建模国赛B题思路分析


学习编程就得循环渐进,扎实基础,勿在浮沙筑高台  

 循环渐进Forward-****博客


目录

 循环渐进Forward-****博客

题目

第一问分析

第二问分析

问题三分析

第四问分析

总结:


第一次参加国赛,侥幸被推送国一参与评奖。在省赛区结果出来之时对一个月前的比赛进行复盘,以其取得更好的进步。


题目

生产过程中的决策问题
        某企业生产某种畅销的电子产品,需要分别购买两种零配件(零配件 1 和零配件 2 ),在企业将两个零配件装配成成品。在装配的成品中,只要其中一个零配件不合格,则成品一 定不合格;如果两个零配件均合格,装配出的成品也不一定合格。对于不合格成品,企业可 以选择报废,或者对其进行拆解,拆解过程不会对零配件造成损坏,但需要花费拆解费用。 请建立数学模型,解决以下问题:
问题 1    供应商声称一批零配件(零配件 1 或零配件 2 )的次品率不会超过某个标称值。
企业准备采用抽样检测方法决定是否接收从供应商购买的这批零配件,检测费用由企业自行承担。请为企业设计检测次数尽可能少的抽样检测方案。
        如果标称值为 10% ,根据你们的抽样检测方案,针对以下两种情形,分别给出具体结果:
        (1) 在 95% 的信度下认定零配件次品率超过标称值,则拒收这批零配件;
        (2) 在 90% 的信度下认定零配件次品率不超过标称值,则接收这批零配件。
问题 2 已知两种零配件和成品次品率,请为企业生产过程的各个阶段作出决策:
        (1) 对零配件(零配件 1 / 或零配件 2 )是否进行检测,如果对某种零配件不检测,这种零配件将直接进入到装配环节;否则将检测出的不合格零配件丢弃;
        (2) 对装配好的每一件成品是否进行检测,如果不检测,装配后的成品直接进入到市场;否则只有检测合格的成品进入到市场;
        (3) 对检测出的不合格成品是否进行拆解,如果不拆解,直接将不合格成品丢弃;否则对拆解后的零配件,重复步骤(1) 和步骤 (2)
        (4) 对用户购买的不合格品,企业将无条件予以调换,并产生一定的调换损失(如物流成本、企业信誉等)。对退回的不合格品,重复步骤(3)
请根据你们所做的决策,对表 1 中的情形给出具体的决策方案,并给出决策的依据及相应的指标结果。
问题 3 ???? 道工序、 ???? 个零配件,已知零配件、半成品和成品的次品率,重复问题2,给出生产过程的决策方案。图 1 给出了 2 道工序、 8 个零配件的情况,具体数值由表 2 给出。

针对以上这种情形,给出具体的决策方案,以及决策的依据及相应指标。
问题 4 假设问题 2 和问题 3 中零配件、半成品和成品的次品率均是通过抽样检测方法(例如,你在问题 1 中使用的方法)得到的,请重新完成问题 2 和问题 3


第一问分析

        读题目可知,需要设计检测次数少的情况下最小成本的方案。画出关键词,需要理解信度、标称值的含义(建议百度)。然后在探讨第一问时,深入考虑抽样分布尤为关键。次品率本质上是二项分布的 一个参数,当抽取的样本容量达到一定规模时,根据中心极限定理,该二项分布可合理地近似为正态分布。为了确保分析结果的稳健性,特别是在给定置信度下精确评估次品率是否逾越了预设的标称界限,需借助统计学原理,细致计算出满足条件的最小样本数量。具体实施步骤如下:

        1.实施抽样检测,从供应商提供的批次中,依据先前计算得出的样本量进行随机抽取,并对每个样本进行严格的质量检测,以此为基础计算出实际的样本次品率。随后,运用假设检验这一统计工具,明确设定零假设(次品率未超出标称值)与备择假设(次品率已超出标称值),并据此计算出相应的检验统计量,以量化评估两类假设的合理性。

        2.根据既定的置信度要求,利用统计学公式精准划定正态分布的临界值范围,这不仅为制定最优决策提供了坚实的数学基础,还确保了决策过程在有效控制风险的同时,实现了效率与准确性的最大化,且避免了不必要的复杂性与额外成本。

       我们引入序贯概率比检验进行检验为了在给定的信度下最小化检测次数,可以用上面的样本量计算公式,结合 例如下文这种具体问题来优化算法,可运用到动态规划或线性规划来确定最优抽样方案。这里用到了序贯概率比检验来确定置信区间的上限和下限。将参数设置成显著性水平 0.1 (错误接受不合格零配件的概率)和检验功效 (错误拒绝合格零配件的概率)。根据两个参数计算出两个阈值,上限和下限。 A2 为上限阈值,也是拒绝区域。 B2 为下限阈值,也是接受区域。

        结论: 在已知信度以及标称值情况下,求解出这批零配件次品率,以达到企业是否接受这批零配件为目标。建立单侧正态近似的二项分布模型,利用序贯概率比检验方法来进行假设检验, 并且通过置信度求出显著性水平。综上所述,在误差为 0.05 的情况下,抽样检验方案设计为 95%信度下的样本总量 N1 为 98,若次品率显著超过 10%时,则拒收这批零配件。90%信度下的样本总量 N2 为 60,若次品率显著不超过 10%时,则接收这批零配件。


第二问分析

         对于第二问,我们需要建立一个最优化模型,这个模型关乎到第三、四题的解决。由于暑假集训一直在做最优化模型的解题方法,我发现对于这道题也能继续沿用,因此选择最优化模型进行模型求解。(更高层次的可以选择决策树方法,最优决策模型进行求解,由于本人大二小菜没学过,比赛现场学也需要学习成本,因此选择放弃了)。

        使用最优化模型需要引入0-1整数变量进行约束(由于是优化模型其实可以用Lingo跑代码进行运算,个人觉得比Matlab简单),分为四个阶段进行研究。

        1.在第一阶段中,检测费用需要根据零配件的次品率以及购买成本、检测成本而做出最优策略;且需要零配件 1 和零配件 2 的非瑕疵性才能尽最大可能在零配件方面不出差错。

        2.在第一阶段中,需要考虑如果不进行检测会引发什么后果,若零配件以次品形式进入产品装配阶段则会导致产品为不合格产品从而会被退回调换或者拆解,在此过程花费形式有检测费用、装配费用、调换或拆解费用。因此需要考虑零配件次品率、产品次品率、调换或拆解费用。由于存在零配件以及产品的次品率,则会不可避免的出现不合格产品,当出现不合格产品时需要进行拆解,因此在拆解阶段需要分两步进行分析:

        1.对于不合格产品,如果进行拆解则需要考虑前一阶段的检测费用以及零配件和产品的装配费用,其中加起来不能超过产品市场售价。且拆解仍需要拆解费用,因此需要综合考虑拆解。

        2.若不进行拆解则不考虑拆解费用,但仍需考虑产品在出厂售卖前所花费的成本。直接丢弃需要考虑零件的价值性以及次品率。对于用户调换不合格产品,依旧需要分两种情况进行分析,即重复拆解阶段或者调换阶段。

设计最优策略求解算法的具体描述
        根据以上建立的最优化模型,利用 0-1 整数规划的思想,设计相应的求解算法,具体算法步骤如下:
        Step1:根据题目(1)描述,列出四种情况:
        对零配件 1 进行检测,零配件 2 不检测:在这种情况下,检测零配件 1,但不检测零配件 2。
        对零配件 1 和零配件 2 都进行检测:在这种情况下,既检测零配件 1 也检测零配件 2。
        对零配件 1 不进行检测,对零配件 2 进行检测:在这种情况下,不检测零配件 1,但检测零配件 2。
        对零配件 1 和 2 都不进行检测:在这种情况下,既不检测零配件 1 也不检测零配件 2。
        Step2:对成品是否进行检测,通过次品率、装配成本、检测成本而进行考虑。若不检测的话需增加不合格成品流入市场而导致的不合格成品调换成本。
        Step3:对流入市场的不合格成品进行拆解或者丢弃报废。若进行拆解则需要考虑拆解费用和零配件的价值,高价值的零件和报废成本高的不合格成品应当进行拆解,重新进入检测和装配阶段。
        Step4:重复以上步骤直至全部零配件组装成合格成品。

问题三分析

        第三问也就是在第二问建立的模型上新增一个半成品流程以及工序。

        在问题二基础上,增加半成品变量使得生产阶段变为零配件-半成品-成品结构。在问题二思路基础上建立最优决策模型,以最小成本为目标。建立每个阶段的决策变量,是否检测零配件、半成品以及成品、是否对不合格品进行拆解、是否进行调换处理。
        在第三问中,需要研究两个阶段,分别是零配件到半成品阶段,半成品到成品阶段。需在问题 2 基础上考虑新增加的阶段对各个生产阶段的最优策略,针对连个两个过程的具体分析如下:
        1.零配件至半成品阶段,在问题二基础上新增一个检测成本增加过程,根据题目所给出的零配件的次品率以及检测费用是否考虑在此阶段进行检测。其余考虑仍跟问题 2 一样。
        2.半成品至成品阶段,由于所装配的半成品不一定契合成品,从而导致生成成品的次品率变高,导致费用变高

第四问分析

        第四问就是对前两问进行实操,对于这道倒不是十分难。在问题一基础上抽样检测出的次品率取值通过贝叶斯定理优化,代入问题二问题三构建的模型,得出相应具体的决策。

      引入抽样检测,由于次品率的是基于抽样估计方法求解出来的。在构建决策模型时,不仅要精细量化成本与收益,还需嵌入对抽样误差的精准评估与量化分析,以全面分析次品率波动带来的潜在影响。贝叶斯优化将抽样结果与已有的先验信息结合起来,从而形成更准确的次品率估计。


总结:

        第一次参加数模比赛,也是第一次写下思路,但仍觉得过于粗糙。有了这次经验之后明年再接再厉吧!


上一篇:使用AT command 修改手机APN-其他AT command


下一篇:autogen改变屏幕亮度